（1）使用任意软件、任意方法，利用遥感数字图像，对某一地区2010、2015、2021三个时间点的道路网络进行提取。
（2）对该地区各时期的道路网络空间分布及演化特征进行阐述，对2010年以来的道路网络时空分布变化原因进行综合分析。
**1 **研究区及实验材料概况
卫星：LANDSAT7，LANDSAT8
图 1 2010年上海市黄浦区一角 图 2 2015年上海市黄埔区一角
图 3 2021年上海市黄埔区一角
**2 **实验过程
（该实验材料本身已经过预处理，不再进行几何校正与大气校正）
(1) 选择 ROI，命名为河流，在遥感图像上辨别道路区域并单击左键绘制多边形样本，双击鼠标左键，完成一个多边形样本的选择。按照同样步骤完成建筑物，耕地，水流区域的选取。
图 4 ROI区域的选取
(2)计算样本的可分离性。在 Region of Interest (ROI) Tool 面板上，选择Option → Compute ROI Separability，大于 1.9 说明样本之间可分离性好，属于合格样本。
图 5计算样本的可分离性
(3)使用最大似然分类法，在toolbox 中选择 Classification → Supervised Classification Support → Maximum Likelihood Classification，选择待分类影像。
图 6选择最大似然法
(4) 将 ROI 区域全选，点击“Single Value”按钮，输入一个 0 到 1 之间的
值（本次实验输入 0.6），命名选择输出位置后点击 OK。
图 7进行监督分类
图 8 2010年监督分类结果
（5）输出道路图像，选择道路图层。
图 9 2010年道路提取图像
（6）按相同步骤对2015年与2021年的影像进行监督分类。
（7）在对2015年的影像进行最大似然法进行监督分类时，发现监督分类结果不是很理想。于是改用最小距离法进行监督分类。
图 10 2015年最大似然法结果 图11 2015年最小距离法结果
3 实验结果
图12 从左至右依次为2010，2015，2021年上海市黄浦区一角道路提取图
**4 **实验分析与总结
图 13 2010-2021年耕地面积变化（浅绿色为2010年，深绿色为2021年）
图14 2010-2021建筑物变化图（棕色为2010年，深蓝色为2021年）
由图12可看出2010-2015年该地区西边道路扩建较为明显，显示出城市基础设施的发展和扩张趋势，2015-2021道路建设放缓，道路网络结构基本没有太大的变化。由图13可看出2010-2021年11年间耕地面积大幅减少，这可能与当地农业生产的需求、土地利用政策等因素有关。通过图14可以看出这11年间该地区有很明显的城市扩张趋势，建筑物数量和密度增加，大部分集群分布，小部分零星分布在道路两侧。